Den automatiserte redaktøren
En kvalitativ studie av redaktørens kontroll og ansvar i møte med algoritmestyrte nyhetsforsider i norske mediehus
Maren Myrseth
Masteroppgave i medier og kommunikasjon Institutt for informasjons- og medievitenskap
Universitetet i Bergen Våren 2021
Sammendrag
I 2015 startet reisen, i en lokalavis i Nord-Norge, med mål om en autonom og brukertilpasset nyhetshverdag. Seks år senere har vi i dag maskiner som kan styre avisenes nyhetsforsider og redaktørenes jobber kan bli satt på spill. Algoritmestyrte nyhetsforsider utfordrer og
omformer journalistiske arbeidsprosesser og tenkemåter. Denne oppgaven undersøker hvordan ulike norske redaksjoner tilnærmer seg algoritmestyrte nyhetsforsider og hva som skjer med redaktørens kontroll og ansvar i møte med denne teknologien. Ved hjelp av kvalitative intervju med ni ledere i norske mediehus og tematisk analyse vil relasjonen mellom menneske og maskin, samt redaksjonell rolle- og ansvarsforståelse i samspillet med algoritmene, bli avdekket. Vil den automatiserte redaktøren ta overhånd?
Vi ser tydelige tendenser på hvordan en skal tilnærme seg algoritmestyrte nyhetsforsider, hvor samfunnsoppdraget og redaktørens kontroll ideelt skal stå i sentrum. Samtidig blir det også brukt kommersielle algoritmer, eksempelvis personalisering. Redaktørene vil nå i større grad utøve kontroll over nyhetsforsiden ved å definere data og prinsipp i en algoritme, hvor algoritmene kuraterer forsiden basert på dette. Kontrollen blir indirekte og som et resultat ser vi et økende behov for teknologisk kompetanse. Alle de gjeldende redaksjonene henter inn dette innad i konsernet eller eksternt, og det skjer et samarbeid mellom journalistene og teknologene. Teknologene får delegert mer kontroll og ansvar basert på tillit. Teknologietikk blir aktuelt og alle redaksjonene har fortsatt en vei å gå på dette. Det blir en forutsetning at redaktørene selv øker sin teknologiske forståelse og kompetanse for å kunne sørge for redaksjonell kontroll. Hvem som nå har redaktøransvar blir utydelig. Likevel er det lite bekymring i henhold til det å miste kontrollen og det argumenteres for at så lenge teknologene i redaksjonene har kontroll så kan man overholde sitt redaktøransvar.
Redaktøransvaret kan sies å være gjeldende i flere roller, ikke bare for redaktøren.
Informantene mener redaktøren fortsatt har kontroll ved å ha direkte kontroll over nyhetsproduksjonen og de ansatte i redaksjonen. Samtidig ser vi at redaktøren får nye
oppgaver og nye måter å tenke på som i stor grad støtter opp om algoritmene, og teknologisk forståelse er varierende blant redaktørene. Hva som blir produsert av nyheter blir preget av en strengere kontrollpraksis av hva som defineres som en “viktig nyhet” i algoritmen.
Algoritmestyrte nyhetsforsider vil utvilsomt sette sine spor i den redaksjonelle kontrollen og redaksjonene må være bevisste.
Forord
Plutselig er mine fem år som student over. Masteroppgaven du nå holder i hånden markerer slutten på de mest uforutsigbare, stimulerende og gjennomgripende årene hittil i livet mitt.
Det har vært en vemodig reise med mye latter og mange tårer, spesielt de siste månedene i innspurten av masterskrivingen.
Jeg vil først og fremst takke veilederen min, Astrid Gynnild, for utallige tankeprovoserende og forløsende diskusjoner om alt og ingenting gjennom masterløpet. Takk for en makeløs tilgjengelighet og alle påminnelsene om å ta personlig vare når jeg har glemt det selv. Spesielt en stor takk for upåklagelig hjelp de siste dagene opp mot levering. Til sist vil jeg også takke for at du har hatt troen på oppgaven, men også vært konstruktivt ærlig for å løfte den til et høyere nivå. Det har betydd mye.
En stor takk til foreldrene mine som hele veien har kommet med oppmuntrende og
motiverende ord når jeg har vært på randen til å gi opp hele oppgaven. En stor takk til mine studievenninner for daglige snapper underveis som bekreftet hvor lite de også hadde skrevet på oppgaven, men også for mange uforglemmelige minner sammen i Bergen. Jeg vil også takke min kjære som har hjulpet med transkribering, gjennomlesning, tilbakemeldinger på det teknologiske i oppgaven og ikke minst for ubetinget emosjonell støtte. Takk for at du alltid har fått meg til å le når jeg har vært lei og takk for all dansingen og syngingen som fikk meg på andre tanker enn masterstresset.
Sist, men ikke minst, en stor takk til alle informantene som har stilt opp på intervju og vist optimisme for oppgaven. Takk for gode, reflekterte og detaljerte svar. Oppgaven hadde ikke blitt til uten dere.
Maren Myrseth 31. mai 2020
1.0 Innledning 1
1.1 Bakgrunn 2
1.2 Tidligere forskning 5
1.3 Problemstilling 7
2.0 Teoretiske perspektiver 8
2.1 Algoritmer 8
2.1.1 Algoritmestyrte nyhetsforsider i journalistikken 10
2.1.2 Personalisering 10
2.1.3 Teknologietikk 11
2.2 Redaksjonell kontroll, redaktørrollen og redaktøransvar 12
2.3 Samfunnsoppdraget 15
3.0 Data og metode 15
3.1 Kvalitativ metode 16
3.2 Utvelgelsesprosessen 16
3.3 Informantutvalget 18
3.3.1 Polaris Media 18
3.3.2 Schibsted 20
3.4 Gjennomføring av intervjuene 21
3.4.1 Intervjuguiden 22
3.5 Analyse og bearbeidelse av data 24
3.6 Metodiske refleksjoner 25
4.0 Algoritmestyrte nyhetsforsider i norske redaksjoner 28 4.1 Hybridisering: algoritmer og menneskene i redaksjonen 29
4.1.1 Redaksjonsstyrte plasseringer på fronten 31
4.1.2 “Redaktørstyrt algoritme” 32
4.2 Kommersielle algoritmer 38
4.3 Personalisering 39
4.4 Hensikten med algoritmestyrte nyhetsforsider 41
4.5 En løpende prosess 44
4.6 Algoritmer i små og store redaksjoner 45
4.7 Effekten av algoritmene 46
4.8 Oppsummering og avsluttende drøfting 48
5.0 Redaktørrollen i endring 51
5.1 Delegert kontroll og tverrfaglig samarbeid 51
5.2 Grad av involvering 56
5.3 Nye oppgaver og nye måter å tenke på 59
5.4 Oppsummering og avsluttende drøfting 62
6.0 Samfunnsansvar og journalistisk troverdighet 65
6.1 Hvem har samfunnsansvaret? 66
6.2 Samfunnsoppdraget vs. algoritmene 67
6.2.1 Ekkokammer og filterbobler 70
6.3 Forstår redaktørene teknologien? 71
6.3.1 Svarte bokser 75
6.4 Etikk i automatisert journalistikk 77
6.4.1 Ansvarliggjøring 78
6.4.2 Algoritmisk transparens 80
6.4.3 Personvernet og demokratiet 83
6.5 Oppsummering og avsluttende drøfting 84
7.0 Avslutning 86
Litteraturliste 90
Vedlegg 1 98
Vedlegg 2 100
Vedlegg 3 103
1.0 Innledning
Det var våren 2020. Hele landet var i krisemodus, og vi var under de strengeste nasjonale tiltakene i fredstid. Mens mine studievenninner og jeg sørget over Bali-turen vi aldri fikk dra på, skulle hverdagen nå innebære lite sosial kontakt, mye film og enda mer vin. En historisk periode som skulle prege resten av studietiden min. Dette resulterte i oppdagelsen av filmen iHuman (2019), en dokumentar om implikasjonene kunstig intelligens (AI) har på verden. En deilig dystopisk miks av litt billig grøss, dommedag og en gudelignende teknologi som kunne tenke selv og gjøre ting på egenhånd. En film som vekket meg opp fra korona-dvalen. Vi befant oss også i det semesteret av mastergraden hvor vi måtte bestemme hva vi skulle skrive masteroppgave om. Jeg måtte finne ut av hva jeg skulle forske på, og kunstig intelligens ble dermed en sterk kandidat. Jeg hadde også skrevet en spennende bacheloroppgave i
journalistikk året før om nyheter på sosiale medier rettet mot unge. Bacheloroppgaven var en veldig lærerik prosess hvor det ble tydelig at algoritmer og nyhetsmedienes samfunnsoppdrag ikke korrelerte. Jeg bestemte meg derfor for å utvide horisonten min og tenkte at AI i
journalistikken var en optimal kombinasjon av interesse og fag.
Etter å ha lest hundrevis av artikler om ulike teknologier innen AI ble jeg bare enda mer forvirret. AI i journalistikken viste seg å være omfattende. Jeg forstod at jeg hadde et behov for å orientere meg selv om hva slags perspektiv jeg faktisk ville lede prosjektet ut i fra og fant ut at det kanskje kunne være en idé å bare ringe rundt til redaksjoner og høre. Så jeg kontaktet først en av mine tidligere kolleger i en redaksjon jeg hadde jobbet i. Jeg visste at han jobbet journalistisk med en app redaksjonen akkurat hadde lansert. I tillegg tok jeg kontakt med andre aktører jeg tenkte kunne vite noe om dette i NRK og VG. Jeg hadde et inntrykk av at NRK og VG hadde kommet langt innenfor arbeidet med AI og algoritmer.
Mitt opprinnelige inntrykk var at journalistenes arbeidshverdag var i endring. En endring som var en direkte konsekvens av mer AI-teknologi i redaksjonen. Jeg hadde et håp om at vi allerede levde i en sci-fi fantasy. Til min skuffelse og nysgjerrighet fikk jeg vite da jeg ringte ekspertene i NRK og VG at journalister flest visste lite om kunstig intelligens, hadde lite formeninger om det og at det trolig var mer å hente hos andre aktører som hadde
førstehåndserfaring, noen litt høyere oppe i medie-hierarkiet: redaktørene. Det kunne altså tyde på at problemstillingen ble mer gjennomførbar ved å skifte perspektiv.
I min samtale med eksperten i VG ga han noen gode eksempler på hvordan AI kunne bli brukt i journalistikken. Han nevnte blant annet algoritmestyrte og personaliserte
nyhetsforsider, og dét pirret sansene mine. I arbeid med nyhetsforsider tenker man gjerne også at redaktørene ofte er involvert i prosessene. Derfor er det nettopp denne dimensjonen jeg skal se på.
La oss derfor ta et steg tilbake fra “hypen” av AI og den underliggende frykten for robotenes verdensherredømme; denne oppgaven skal nemlig se på hva redaksjonene gjør, mener og har kontroll over.
1.1 Bakgrunn
AI, “artificial intelligence” (kunstig intelligens), er et paraplybegrep som referer til en rekke teknologier som kan utføre oppgaver som tidligere krevde menneskelig intelligens (Beckett, 2019, s. 16). AI er laget med algoritmer, “a series of steps that is undertaken in order to solve a particular problem or to accomplish a defined outcome” Algoritmene kan blant annet bli programmert for automasjon eller maskinlæring. Det sentrale her er hvor autonome og tilpasningsdyktige algoritmene kan være, det er et spektrum (Beckett, 2019, s 16). Ved hjelp av algoritmer kan datamaskiner nå altså utføre handlinger basert på data uten menneskelig innblanding. Data er ofte regler, observasjoner eller definisjoner som legges inn i algoritmen.
Ved å bruke plattformene de selv kontrollerer, egne nettsider, apper m.m. er det nå flere nyhetsmedier som aktivt utformer egne algoritmer og nye arbeidsrutiner i sammenheng med nyhetsdistribusjon (Diakopoulos, 2019, s. 184). Dette innebærer i dag blant annet
algoritmestyrt kuratering av nyhetsforsidene. “Different sections of the page are now driven by differently tuned and oriented algorithmically curated feeds: one for top news, one for long reads, one for traffic winners, and so on.” (ibid. s. 195). Algoritmene som brukes til å kuratere forsiden kan for eksempel være personalisert, basert på klikk og engasjement eller basert på journalistiske prinsipper som nyhetsverdi og levetid. De sistnevnte standardiseres av redaktører i samspill med teknologer hvor metadata defineres, og algoritmene tar
utgangspunkt i når de avgjør hvor artiklene skal ligge på forsiden. De algoritmene som skal maksimere engasjement og de som er basert på redaksjonelle verdier, kan bli satt i dialog med hverandre på nyhetsforsiden for å tilfredsstille offentlig interesse og redaksjonens
kommersielle interesser i kuratering (ibid. s. 195). Personaliserte algoritmer er en måte å nærme seg dette på, og de kuraterer nyhetsforsiden med utgangspunkt i brukeratferd basert på data om leseren (Svendsen m.fl., 2019, s. 2). Ut fra disse dataene analyserer algoritmene brukernes interesser og prøver å predikere hvilke andre nyhetsartikler/-innhold brukerne kan være interessert i og som de ikke allerede har blitt eksponert for. Deretter blir disse beregnede artiklene fremhevet på en eller annen måte for denne aktuelle brukeren (Svendsen m.fl., 2019, s. 2). Automatiserte nyhetsforsider viser seg å yte like godt, om ikke litt bedre, enn manuelt kuraterte forsider (Diakopoulos, 2019, s. 196).
Noen av redaksjonene jeg har snakket med i denne studien, har eksperimentert med slike løsninger i flere år allerede, andre har såvidt begynt og noen er “ferdige” med det.
Løsningene understøttes av egen teknologi eller av den teknologien konsernet de er en del av, velger å bruke.
Polaris Media er en av aktørene i Norge som begynte tidlig å eksperimentere med
anbefalingsteknologi på nyhetsforsidene. Mediekonsernet består av 35 lokale og regionale mediehus, blant andre Adresseavisen, Sunnmørsposten og iTromsø. Schibsted eier 29 prosent av aksjene. Arbeidet med anbefalingssystemer hos Polaris Media skjedde i samarbeid med akademiske fagmiljøer, og innledet i 2014 storskalabruk av slike teknologier med opprettelse av et eget Big Data-team som hadde ansvar for stordatasatsing innen ulike fagområder i konsernet (Svendsen m.fl., 2019, s. 4). Konsernet har eksperimentert med
anbefalingsteknologi både i store dagsaviser og mindre lokalaviser, og Adresseavisen har vært sentral i dette utviklingsarbeidet. Allerede i januar 2014 hadde avisen 190 000
sidevisninger generert fra automatiske anbefalinger, og året etter kunne teknologien si noe om lesernes preferanser (Holand og Engan, 2020, s. 10). Polaris’ datapolicy beskriver at
mediene tar i bruk persondata som «oppstår» når leserne bruker tjenestene deres til å
anbefale artikler, levere relevante annonser og lære hva som engasjerer leserne «Når brukerne først har oppsøkt oss og valgt å lese en sak, er det svært viktig å kunne tilby enda mer
relevant innhold» (Polaris Media, u.d).
Samtidig er ikke Polaris Media det eneste konsernet som har begynt arbeidet med
algoritmestyrte nyhetsforsider. Schibsted har også noen år på nakken. Schibsted er et nordisk konsern med over 5000 ansatte. De har flere mediehus, ledende markedsplasser og leverer dermed også mange digitale tjenester. I Norge eier Schibsted større aviser som VG,
Aftenposten og Bergens Tidende (Schibsted, u.d). De begynte også arbeidet med algoritmestyrte nyhetsforsider i 2014 og har økt satsingen for hvert år. I en artikkel i Journalisten (Hagen, 2017) sa product manager Hans Martin Cramer at spesielt
personalisering ble et område som ville ha høy prioritet i tiden fremover. Teknologien ville omfavne et bredt spekter av ulike metoder, og ambisjonen den gang var å sette alle mediehus i stand til å bruke personalisering. I dag er det flere av mediehusene som jobber med dette, eksempelvis Aftenposten og BT.
Hos både Schibsted og Polaris er håpet at nyhetsanbefalinger kan gjøre det lettere for leserne å finne relevante nyheter i en skiftende informasjonsflom av saker. I tillegg er det en
målsetting å benytte slike teknologier som et strategisk grep for verdiskapning. Nyhetsmedier som er avhengige av annonseinntekter, kan muligens bruke algoritmene på en annen måte enn mediene som avhenger av abonnenter. Mens offentlige aktører igjen kanskje vil fokusere på å bruke algoritmene hovedsakelig på katedral (Svendsen m.fl., 2019, s. 1). Holand og Engan (2020, s. 7) fant at de mediekonsernene i deres forskning, (Polaris Media, Schibsted, Amedia) som hadde eksperimentert med personaliserte nyhetsanbefalinger, også hadde som mål å lære hvordan de kunne promotere sitt eget stoff best mulig, og samtidig tilfredsstille leserne. De ønsket å lære mer om når og hvordan det var gunstig å publisere saker, og hva som var populære stoffområder, for å dra nytte av dette i egen produksjon. Mens noen bruker teknologien som et supplement til redaksjonelle rutiner, har andre gått over til
helautomatiserte personaliserte nyhetsforsider (Svendsen m.fl., 2019, s. 20).
AI-teknologi blir fremstilt som noe som velvillig og uproblematisk frigjør journalistene og redaktørene fra kjedelige og omstendelige oppgaver. Samtidig fremstilles det også med fremmedfrykt og som noe som på sikt vil destruere tradisjonelle nyhetsjobber (Lewis m.fl., 2019). Nicholas Diakopoulos (s. 1, 2019) mener at automasjon og algoritmer har oppnådd en så utviklet grad av modenhet at de er i stand til å utføre journalistiske oppgaver som bidrar til ekte nyhetsarbeid på forskjellige måter. Samtidig handler det ofte mye om menneskene som jobber med, eller i samspill med, teknologien, fremfor algoritmene i seg selv (Lindén, 2020).
Med algoritmer og AI sitt innpass i profesjonelle nyheter endres produksjon, distribusjon, konsum, redaksjonelle strukturer og journalistiske rutiner seg drastisk. I tillegg endres journalistiske verdier og ansvar seg i takt med det teknologiske og dermed også med de sosiale utviklingene i samfunnet (Dörr og Hollnbuchner, 2017). Her mener mange at vi vil se en sammensmeltning av ingeniør- og journalistfag, hvor utvikling av algoritmer vil være en
nøkkelfaktor i den skarpe konkurransen om nyhetsmarkedet (Utne, 2018). AI vil bare fortsette å utvikle seg og ta flere og større hopp fremover. Men, hva slags etiske og redaksjonelle trusler kan potensielt dukke opp her?
Den norske pressens oppdrag er å være en aktør og en arena for kontinuerlig kritisk
årvåkenhet overfor makthavere og i dannelsen av offentlig opinion. Dette kalles presseetikk og betraktes som et normativt regelverk for pressens nøkkelfunksjoner i dannelsen av offentlig opinion. Hovedprinsippene er formulert i to dokumenter; Vær Varsom-plakaten og redaktørplakaten. Plakatene skal tjene som en selv-regulering av journalistisk virksomhet (Gripsrud, 2007, s. 264). Det er gjennom redaktørens arbeid at pressen skal forankre sin nøkkelfunksjon som en avvikler av en fungerende offentlighet i et demokrati (Gripsrud, 2007, s. 264). Nå med de personaliserte/algoritmestyrte nyhetsforsidene - står redaktøren fortsatt i ledelsen for publiseringen, eller er det nå algoritmene?
Å velge saker på vegne av leserne har tradisjonelt vært basert på journalistisk fagkunnskap, skjønn og erfaring (Svendsen m.fl., 2019, s. 5). God journalistikk er vesentlig og betyr noe for noen (Handgaard m.fl., 2013, s15). Denne posisjonen kan utfordres av automatikken i de algoritmestyrte forsidene, hvor hver leser kan få sin egen spesialtilpassede kombinasjon av nyheter uten en redaktørs input. Noe som muligens kan bety at redaktøren ikke har like mye oversikt over hvilke nyheter som dukker opp hos hvem. I stedet for en tradisjonell praksis hvor redaktøren kuraterer en felles offentlighet for alle, vil praksisen kanskje heller innebære å legge inn metadata i en algoritme?
På bakgrunn av dette mener jeg at det er naturlig å stille spørsmål rundt tankeprosessene og risikovurderingene i en situasjon hvor algoritmer og personaliserte algoritmer i stadig større grad styrer nyhetsforsidene. Har redaktørene i Polaris Media og Schibsted full kontroll?
1.2 Tidligere forskning
Svendsen m.fl. (2019) mener at personlige nyhetsanbefalinger har muliggjort en finmasket nyhetstilpasning som overgår tidligere manuelle prosesser og redaksjonelle vurderinger i presisjon og nytte for brukeren. Men nye utfordringer knyttet til hvordan en best skal håndtere nyhetsstoff, personvern og samspillet mellom menneske og maskin dukker opp.
Holand og Engan (2020) mener at utviklingsarbeidet til automatisert journalistikk vil bestå av
å finne balansen mellom redaksjonelle vurderinger og automatiseringsteknologi. Weber og Kosterich (2018) fant at programmeringskoder som brukes til automatisert nyhetsdistribusjon skapes isolert fra journalistikken, og at det oppstår et produksjonsskille. Det blir viktig å skape arenaer hvor samarbeid mellom utviklere og journalister kan tilrettelegges. Ananny og Crawford (2015) fant at når utviklere lager algoritmer som bestemmer nyhetsflyten, vil det skape en presse som står i en liminal fase hvor ikke-redaksjonelle aktører definerer vilkårene som nyheter blir distribuert gjennom. Milosavljević og Vobič (2019) snakker om hvordan automasjon i redaksjonen kan utfordre, men også vedlikeholde kjerneverdiene i profesjonell journalistisk ideologi. Diakopoulos skriver i sin bokAutomating the News(2019) at
kontrollen over publiseringen blir delegert til algoritmene og at det vil bli behov for opplæring og sosialisering av redaktører og journalister for å kunne forstå samspillet med algoritmene.
Annen nevneverdig forskning som viser at automatisering påvirker journalistisk praksis er:
Dalen (2012) Carlson (2014), Dörr (2016) og Thurman, Dörr & Kunert (2017). Men, også forskning som ser på AI-teknologiens implikasjoner for presseetikk og transparens (Steensen 2019; Diakopuolos & Koliska, 2017; Montal & Reich, 2017; Dörr & Hollbuchhner, 2017;
Karlsson, Clerwall & Nord, 2014) og for publikums opplevelse av nyhetstilbudet (Clerwall, 2014). Det foreligger forøvrig mye innsikt i hvordan slike anbefalingsløsninger har
innvirkninger på forbrukerens nyhetskonsum satt i en samfunnsrelevant sammenheng. Et eksempel er en studie utført ved The Reuters Institute for the Study of Journalism, som viser at nordmenn er blant dem i Europa som er mest bekymret for personaliserte nyheter
(Newman m.fl., 2016). Det dukker derfor nå opp et behov og utfordringer rundt det å forme etiske retningslinjer i bruken av automatisert teknologi i journalistikken (Dörr og
Hollnbuchner, 2017).
Ved London School of Economics and Political Science har de forsket på kunstig intelligens i journalistikken. Deres misjon er å informere medieorganisasjoner om mulighetene ved AI og samtidig legge til rette for debatt (Beckett, 2019), noe som har resultert i en rapport om AI og relaterte teknologier fra 71 nyhetsorganisasjoner i 32 land. Denne rapporten tar for seg hvordan AI blir brukt, hva informantene tenker om det og vurderinger rundt hva risikoene for bransjen potensielt kan være.
Det vi ser er at det er forsket en del på hvordan redaksjoner forholder seg til AI-teknologien er forsket en del på, men foreløpig har vi lite kunnskap om redaktøransvaret og redaktørens kontroll på dette nye feltet. Særlig publikumsperspektivet og automatisert nyhetsproduksjon kommer frem ofte. Redaktørenes kontroll og redaktøransvar vil være et nytt område, i sammenheng med dette, som få har dykket dypere inn i.
1.3 Problemstilling
Jeg vil derfor se på hva slags erfaringer ulike redaksjoner i Polaris Media og Schibsted har med algoritmestyrte nyhetsforsider: hvordan forholder de seg til denne typen teknologier og hvilken problemforståelse har de av dette? Ved å undersøke redaktørers refleksjoner og synspunkt ønsker jeg å få en bedre forståelse av teknologien, prosedyrene, metodene og ikke minst de strategiske tankeprosessene rundt algoritmestyrte nyhetsforsider. Jeg vil også finne ut av om denne teknologien har innvirkninger på redaksjonelle verdier og kontroll, og i så fall hvilke? Hva skjer med redaktørene og oppgavene deres når nyhetsforsider blir mer og mer algoritmestyrt og automatisert? Jeg vil altså utforske forholdet mellom profesjonell ideologi og teknologi.
Min problemstilling er derfor som følger:
Hvordan tilnærmer norske redaksjoner seg algoritmestyrte nyhetsforsider, og hva skjer med redaktørens kontroll og ansvar i møte med denne teknologien?
Problemstillingen blir analysert gjennom følgende temaer som kom frem i en tematisk analyse av funnene:
1. På hvilke måter benytter ulike norske redaksjoner algoritmer for å styre nyhetsforsidene sine og hvorfor?
2. Hva skjer med redaktørens rolle i møte med slik teknologi?
3. Hva skjer med den journalistiske troverdigheten?
I neste kapittel vil jeg gå kort inn på ulike teoretiske perspektiver som skal sette min oppgave i en større kontekst, men også forklare viktige begrep og konsepter for å skape en bredere forståelse av analysen. Deretter vil jeg gjøre rede for studiens data og metode for å legge et tydelig grunnlag av hva som studeres. Her vil jeg gå nærmere inn på valg av metode,
innsamlingsprosessen, informantutvalget, hvordan materialet er behandlet og metodiske utfordringer jeg støtte på underveis. I kapittel 4 starter første del av analysen og skal illustrere hvordan algoritmer blir tatt i bruk for å kuratere en nyhetsforside. Jeg vil gå inn på hensikten bak å ta i bruk slike algoritmer, men også hvordan prosessen påvirker små og store
redaksjoner. Deretter vil jeg drøfte disse funnene i lys av problemstillingen. I kapittel 5 skal det handle om redaktørrollen i møte med algoritmene for å kunne analysere hvordan
teknologien kan ha innvirkning på redaktørens oppgaver. Etter dette kapittelet vil det også komme en drøftende del og oppsummering. Til sist vil jeg i kapittel 6 analysere hvordan den gjeldende teknologien har innvirkning på journalistisk troverdoghet. Jeg vil blant annet trekke inn samfunnsoppdraget, redaktørens egen følelse av kontroll og teknologietikk. Kapittelet her også avsluttes med en drøftende del. Til sist kommer den endelige konklusjonen og
avsluttende drøftingen.
2.0 Teoretiske perspektiver
De teoretiske perspektivene bidrar til å belyse hva som faktisk skjer når en redaksjon bruker algoritmer til å styre nyhetsforsidene sine, samt legge premissene for hvordan viktige begrep skal forstås. I tillegg vil de hjelpe å sette problemstillingen i en større kontekst og belyse empirien som kommer fram av datamaterialet.
2.1 Algoritmer
Hva er algoritmer, automasjon, maskinlæring og personalisering i journalistikken? I boken Automating the News, ser Nicholas Diakopoulos (2019) på dette fra et tverrfaglig perspektiv, i skjæringspunktet mellom informasjonsvitenskap og journalistikk. Han har en optimistisk tilnærming, og fokuserer på hvordan og i hvilken grad algoritmer endrer nyhetsmediene når det gjelder alt fra rolleforventning til journalistiske praksiser.
Diakopoulos (2019, s. 16) sammenligner algoritmer med en matoppskrift. Den bruker
ingredienser man putter inn for å få en matrett ut, hvor en har instruksjoner (algoritmen) som forteller hvordan en kan få ønsket resultat. Matretter er ikke algoritmestyrt fordi de som regel blir laget av mennesker. Algoritmer er også oppskrifter, men de kjøres digitalt i datamaskiner som igjen transformerer og kombinerer informasjon (ingredienser) på ulike måter for å få et ønsket utfall (matretten) - informasjonsoppskrifter laget av datamaskiner. Det som også er en
viktig del av denne oppgaven, er at algoritmer kan automatiseres. Automasjon er et
samlebegrep som referer til teknologier som kan utføre oppgaver som tidligere ble utført av mennesker (Diakopoulos, 2019, s. 16). Blant annet det å styre en nyhetsforside på nett. Hvis vi tar det et steg videre, kan vi snakke om kunstig intelligens (AI): “Kunstig intelligens er et begrep som beskriver datasystemer som kan lære av egne erfaringer og løse komplekse problemstillinger i ulike situasjoner” (Datatilsynet, 2018, s. 4). Maskinlæring, for eksempel, er et sett med teknikker og verktøy som lar maskiner lære seg å ta avgjørelser ved å lage algoritmer basert på data. Systemet kan “tenke” uten menneskelig input og selv bygge nye algoritmer. Ved hjelp av maskinlæring avdekkes mønstre som finnes i observasjonene og reglene (Datatilsynet, 2018, s. 6). Maskinlæring-algoritmen får tildelt observasjoner og regler om verden og lærer seg å bedømme hvordan en skal ta avgjørelsen, et eksempel her er
klassifisering (Diakopoulos, 2019,s. 18.) Her kan vi bruke begrepet “autonom teknologi”
om noe som er så automatisert at det ikke trenger menneskelig intervensjon, med unntak av menneskelig design- og vedlikeholdsarbeid som alle designede system trenger (Diakopoulos, 2019, s.16).
Ifølge Diakopoulos (2019, s. 19) er det minst fire fundamentale avgjørelser algoritmer kan foreta seg gjennom sine vurderinger: prioritering, klassifisering, assosiering og filtrering.
Dette tar nyhetsmedier i bruk på sine nyhetsforsider. Algoritmer kan for eksempel gjennom prioriteringerogoptimaliseringerpresentere eller fremheve det som er mest interessant eller informativt, basert på observasjonene/kriterier den har å gå ut i fra, for å gi det mer
oppmerksomhet fra lesere. Disse kriteriene blir bestemt av redaksjonen og vil reflektere redaksjonelle verdier.Klassifiseringhandler om å plassere innhold inn i ulike kategorier hvor algoritmene kan for eksempel brukes til å organisere eller lagre innhold.Assosieringhandler om å betegne forhold mellom ulike enheter, hvordan ulike data korrelerer med hverandre. Til sist erfiltreringnoe algoritmer kan utføre ved å selektivt vise, filtrere ut eller fjerne basert på et sett regler eller kriterium. Et eksempel her er hvordan Facebook, nyhetsapper,
anbefalings-widgeter og nyhetsforsider bruker algoritmer for å bestemme hva slags innhold som skal vises til hvem og ikke. Dette blander seg inn i kjernefunksjonen som nyhetsmediene har; nemlig å bestemme hva som skal publiseres og ikke (Diakopoulos, s.21).
Algoritmer kan altså utføre handlinger rundt hva man kan vise, filtrere ut, fremheve eller fjerne, basert på regler og data (Diakopoulos, 2019, s.22). Verdien som kanskje er viktigst i denne teknologien er algoritmenes evne til å ta avgjørelser av høy kvalitet, med høy hastighet
og i stor skala ved hjelp av automasjon. Disse begrepene og metodikkene står i sentrum når en snakker om algoritmestyrte nyhetsforsider (ibid. s. 18). Diakopoulos beskriver tiden vi befinner oss i som den andre maskin-tidsalder fordi datamaskiner nå erstatter menneskelig tankearbeid slik maskiner erstattet fysisk arbeid i den første maskinalderen. Det blir enda mer interessant når algoritmer tar et steg videre og kan begynne å evaluere kognitivt arbeid og ta vurderinger og avgjørelser basert på dette. Så blir spørsmålet her om kvaliteten på dette igjen potensielt undergraver redaktørens rolle i nyhetsmedia (ibid. s.17).
2.1.1 Algoritmestyrte nyhetsforsider i journalistikken
Algoritmestyrte nyhetsforsider er når nyhetsorganisasjoner bruker automatiserte algoritmer til å anbefale, fremheve og presentere innhold til deg som leser på sine nyhetsforsider på nett.
Disse kan være basert på hva du gjør og er interessert i som nyhetskonsument, for eksempel din interesse for ulike temaer, hva andre som har samme karakteristika som deg leser og muligens hva du mest sannsynlig vil klikke på, også kalt personalisering. De kan også basere seg på hva som er populært der og da (Diakopoulos, 2019, s. 195). Slik kan algoritmestyrte nyhetsforsider være et utmerket verktøy for å få mer lesetid og brukerengasjement. Samtidig brukes også andre typer algoritmer som baserer seg på redaksjonelle idealer som nyhetsverdi eller levetid. Det blir altså tatt i bruk flere typer algoritmer for å styre en nyhetsforside.
Uavhengig av hva slags type algoritmer som blir brukt, skjer det en form for automatisering av styringen av nyhetsforsiden (ibid. s.195). Algoritmene kuraterer nyhetene, og norske redaksjoners motivasjon bak bruken av slike algoritmer blir uten tvil avgjørende for offentligheten.
2.1.2 Personalisering
Personalisering, i denne sammenhengen, er et begrep som referer til en prosess hvor algoritmer bruker persondata, ikke redaksjonelle verdier, til å skreddersy en opplevelse tilpasset den individuelle brukeren (Calandrino m.fl., 2011). Personaliserte algoritmer kan også automatiseres og kan gjøres i tillegg til de øvrige automatiserte algoritmene. Slike algoritmer kan på mange måter sees som kommersielle, men blir også sett på som en måte å få publikum til å lese flere nyheter.
“Your identity shapes your media, and your media then shapes what you believe and what you care about. You click on a link, which signals an interest in something, which means
you’re more likely to see articles about that topic in the future, which in turn prime the topic for you” (Pariser, 2011, s. 125).
Personalisering på nettaviser innebærer at algoritmer blir brukt for å gi brukeren en front med innhold/nyheter som er tilpasset spesifikt for dem. Dette baserer seg på tidligere aktivitet på nettsiden og annen persondata. (Cxense, 2016; Hindman, 2012; Krumsvik, 2015; Pariser, 2011). Algoritmesystemer bruker disse dataene til å regne seg frem til hvilke nyheter brukeren sannsynligvis er interessert i å lese om ved neste besøk. Formålet er å gi brukerne en opplevelse som øker sannsynligheten for at de besøker nettsiden igjen. Å gi et inntrykk av at denne nettsiden møtte deres behov. Her skiller forskerne mellom implisitt og eksplisitt personalisering. Mens eksplisitt personalisering tar i bruk tilbakemeldinger direkte fra brukerne, er implisitt personalisering preferanser beregnet ut ifra passive data som samles inn. Dette kan være ulike metrikker som hva du har sett på, lest, geografisk plassering gjennom IP-adressen din, hva man gjør på sosiale nettverk m.m. (Thurman og Schifferes, 2012, s. 4). Selskaper tar i bruk persondata hentet fra brukere som «kan danne grunnlag for mer skreddersydd annonsering og andre personifiseringstjenester» (Krumsvik, 2015, s. 237).
Personaliseringsteknologi viser seg å være et av de viktigste og mektigste verktøyene nettsteder kan benytte for å beholde og øke sin trafikk (Hindman, 2012).
2.1.3 Teknologietikk
Diakopoulos understreker at sammenhengen algoritmens regler blir skapt i er avgjørende fordi algoritmer gjør ikke skade på egenhånd, men det er konteksten som blir applisert inn i en algoritme som gir den muligheten til å utføre “skade”. Her er det viktig å forstå at det ikke er kun teknologiske komponenter alene som skaper konteksten, men de dynamiske
forholdene mellom menneskene bak, sammen med systemene, som har en direkte innvirkning på avgjørelsene algoritmen tar. “A blindness to the sociotechnical status of algorithmic
systems risks turning algorithms into boogeymen without fully considering the role of humans woven throughout.” (Diakopoulos, 2019, s.209). Altså en kan argumentere for at det å ha bevissthet rundt hvordan algoritmene blir applisert er nødvendig for å ha redaksjonell kontroll. Diakopoulos beskriver også en form for ny ansvarliggjøring av algoritmer i datadrevet journalistikk. Det handler om å se på algoritmer som har betydelig innflytelse i samfunnet og å kunne forklare og ansvarliggjøre de avgjørelsene man tar i sammenheng med det. Det handler om transparens hvor en kan forklare hvorfor og hvordan man gjør noe i
forbindelse med algoritmer. Dette er spesielt viktig i situasjoner hvor algoritmene resulterer i feil eller har andre alvorlige konsekvenser (ibid. 2019, s. 207).
Den anerkjente teknologietikeren Deborah G. Johnson (2020, s.127) mener ingeniører bør være bevisste på eventuelle sosiale konsekvenser teknologi kan ha. Johnson mener at i situasjoner hvor teknologi er nyoppstått og det er mye usikkerhet rundt det etiske, så må en sørge for at teknologier må skapes av pålitelige deler og integreres i pålitelige
sosioteknologiske systemer. Dette vil også kreve pålitelige mennesker, og derfor er teknologietikk viktig (Johnson 2020, s. 127).
“The debate about ethics and editorial policy and AI needs to be embedded in product development, not just addressing the outcomes. Journalists need to be technologically
competent enough not to leave that discussion to developers or technologists. And that debate must always include the user perspective.” (Beckett, 2019, s.68)
Hvem er det da som egentlig har ansvaret hvis noe går galt? Burde teknologene ha redaktøransvar også?
2.2 Redaksjonell kontroll, redaktørrollen og redaktøransvar
IJournal of Media Law(Drunen, 2020, s. 169) definerer de redaksjonell kontroll som
innvirkningen noen har på (1) produksjon av innhold, (2) publikasjonen, og (3) hvordan dette er organisert i relasjon til annet innhold. Ved å utøve denne kontrollen har man også et
redaksjonelt ansvar fordi man på denne måten kan ha en innflytelse på individer og samfunn ved å avgjøre om og hvordan informasjon kan formidles til offentligheten. Redaksjonell kontroll er ofte omtalt som handlingene hvor en aktør utøver innflytelse og dermed tilegner seg redaksjonelt ansvar. Redaksjonell kontroll kan i denne sammenhengen derfor forstås som innflytelse på redaksjonelle prosesser, mens redaksjonelt ansvar er å utøve denne innflytelsen i samspill med normer og regler. For å kunne vite hva som skjer med den redaksjonelle kontrollen må vi også se hva som skjer med det redaksjonelle ansvaret. Hvor mye innflytelse har redaktørene nå på sine ansvarsområder, og klarer de å holde tritt med de normene og reglene som følger med?
En redaktør beskrives i Norsk redaktørforening sine vedtekter som den som har
redaktøransvaret, og også som redaksjonelle ledere som representerer ansvarlig redaktør.
Redaktøransvaret omfatter all publisering, den journalistiske arbeidsprosssen og den redaksjonelle organisasjonen (Nored, 2017), og er identisk med områdene redaktører har innvirkning på i definisjonen av redaksjonell kontroll. En redaktør befinner seg i en redaktørrolle med ulike ansvarsområder, med forventninger.
I sin doktoravhandling kartlegger og analyserer Turid Borgen sjefredaktørrollen i norske og svenske mediehus i løpet av en periode på 30 år. Ifølge henne innehar sjefredaktørrollen fire ansvarsområder; (1) journalistikk og troverdighet (publisistisk) (2) organisasjons- og
personalutvikling (3) endringsledelse, særlig digitalt, og (4) økonomi (Borgen, 2017, s.279).
Det var enighet mellom alle informantene i hennes forskning at det viktigste med rollen var det publisistiske ansvaret for journalistikken (ibid. s.280). Deretter var det en viktig del av rollen å ha evnen til utvikling av organisasjonen og de ansatte. Å ta vare på medarbeiderne og det å bygge opp et team er blitt en særlig viktigere del av redaktørrollen og gjør den mer lik en tradisjonell bedriftslederrolle. De ansatte har større forventninger om å bli sett, få
tilbakemeldinger og utviklingsmuligheter. Endringsledelse handler om å endre og utvikle journalistikken, redaksjonen og produktene, spesielt digitalisering. Det siste ansvarsområdet handler om å ha ansvaret for økonomien. Dette har fått økt betydning, og i Borgens studie ble økonomiansvaret ofte trukket frem i sammenheng med andre dimensjoner - som teknologi (ibid. s.280-284).
Borgen beskriver også at en ser antydninger til delegering av ansvarsområder nedover i redaksjonen. Hennes oppsummering er at redaktørrollen innebærer mindre deltakelse i det redaksjonelle arbeidet, som et resultat av hurtigere og mer publisering på tvers av plattformer (Borgen, 2017. s.214). Samtidig forklarer hun fenomenet også som en spesialisering av rollesettet for å løse rollekonflikter. Om sjefredaktørene skulle ha vært orientert hver gang fronten på nettsiden eller mobilen ble endret, ville det vært umulig å utføre rollen. Mens sjefredaktørene før i tiden i hovedsak var tett på det redaksjonelle – skjønt det var flere unntak – er det operative ansvaret i nyere tid helt overtatt av nyhetsredaktør og nyhetsledere under denne (ibid. s. 216). Samtidig er idealet og forventningene om en tydelig og
meningsbærende sjefredaktør i høyeste grad tilstede (ibid. s.232).
Dette gjør også at utgiveransvaret må delegeres på en langt mer omfattende måte enn før.
(Borgen, 2017, s.304). Graden av kontroll over førstesiden kan også ses som et uttrykk for hvor aktivt og direkte redaktørene jobber med den redaksjonelle produksjonen (ibid. 2017, s.207).
Borgens ansvarsinndeling av redaktørrollen reflekteres i Redaktørplakaten. Redaktøransvaret som beskrevet i Redaktørplakaten (Nored, 2019; Nored, 2020a) er mandatet ansvarlig
redaktør gis av utgiver eller eier av medieforetaket. Det innebærer blant annet å ivareta frie mediers demokratiske rolle; ytringsfrihet, pressefrihet og informasjonsfrihet. Redaktøren har også det personlige og fulle ansvaret for innholdet. Samtidig skal de ivareta
anonymitetsretten, kildevernet og fremme sannhetssøkende og redelig journalistikk. Det er redaktørens ansvar å skille mellom fakta og meningsinnhold, samt mellom redaksjonelt og kommersielt innhold. Redaktør har også, innenfor eiers utgivergrunnlag, full frihet til å utforme og beslutte mediets innhold og meninger. Denne friheten kan ingen gripe inn i.
Redaktøren har til sist det fulle ansvaret for redaksjonens virksomhet og leder de
redaksjonelle medarbeiderne. Redaktøren fungerer som bindeledd og rapporterer direkte til utgiver/styre. Redaktøren kan delegere myndighet i samsvar med sine fullmakter. I sin veileder om datajournalistikk skriver Norsk Redaktørforening at teknologien har endret mye, men redaktørens ansvar er uendret (Nored, 2020b). Redaktøransvaret innebærer altså plikter og ansvarsområder, og også normer rundt hvordan dette skal gjøres i form av journalistiske idealer.
Journalistisk og publisistisk ansvar er den delen av redaktørrollen og redaktøransvaret som korrelerer direkte med ansvaret knyttet til nyhetsforsidene. Det vil derfor være naturlig å snakke om innvirkningen på journalistisk og publisistisk ansvarsområder i redaktørrollen.
Likevel vil alle delene i redaktørrollen og -ansvaret naturligvis ha en kausal relasjon til hverandre og derfor bli inkludert om hverandre i analysen og sett på i sammenheng. Nå med de personaliserte/algoritmestyrte nyhetsforsidene står sjefredaktøren fortsatt i ledelsen for det publisistiske ansvaret? Klarer redaktøren å forsikre journalistisk integritet og troverdighet?
Eller er det nå algoritmene som styrer forsiden som gjør dette?
2.3 Samfunnsoppdraget
Når redaktørplakaten henviser til “demokratiske rolle” handler det om pressens samfunnsoppdrag. Vær Varsom-plakaten beskriver pressen som en viktig institusjon i demokratiet som skal ivareta ytringsfrihet, trykkefrihet og offentlighet (PFU, 2021).
Samfunnsoppdraget er en norm som tilegnes med redaktøransvaret og er tett knyttet til idégrunnlaget som demokratiet bygger på. I demokratiet er et det et sterkt prinsipp at man skal ha retten til å delta i samfunnsutviklingen, retten til å ha og hevde meninger og retten til å vite. Åpenhet omkring ethvert forhold, og muligheten til å fremme kritikk her, er en
forutsetning for at demokratiet skal fungere (Steingrim, 1992, s. 116). Individer i et demokrati må ha mulighet til bevisstegjøring på anliggende som kan ha viktige konsekvenser for dem selv, men også for samfunnet som helhet (Diakopoulos, 2019, s. 182). Redaktøren spiller en avgjørende rolle i pressens oppgave med å sørge for at alle får opplyst, pålitelig og objektiv informasjon som borgerne videre kan bruke til å utføre sin demokratiske plikt (Gripsrud, 2017, s. 558-559). Dette betyr at redaktørene har et ansvar for at informasjon, debatt og samfunnskritikk kommer frem i lyset. Pressen skal avdekke kritikkverdige forhold og å beskytte enkeltmennesker og grupper mot overgrep fra det offentlige eller andre
foretak/aktører (PFU, 2021). Når algoritmer kuraterer nyheter, påvirker dette da medienes evne til å opplyse offentligheten?
3.0 Data og metode
Ved bruk av kvalitative intervjuer med ni ledere (teknologer og redaktører) fra to ulike
mediekonsern og sju ulike redaksjoner har jeg studert hva som skjer med redaktørens kontroll når de implementerer algoritmestyrte nyhetsforsider i redaksjonens praksis. Studien baserer seg på semi-strukturerte intervjuer og alle intervjuene ble gjennomført mellom oktober 2020 og desember 2020. Dette resulterte i 105 A4-sider med transkribert materiale. Jeg vil nå forklare og begrunne min metodiske tilnærming, men først vil jeg si noe om
forskningsmetoden som ligger til grunn for denne studien. Deretter vil jeg gjøre rede for datamaterialet, utvelgelsesprosess, intervjuenes gang og intervjuguiden og til sist hvordan datamaterialet ble bearbeidet samt noen metodiske refleksjoner.
3.1 Kvalitativ metode
Kvalitative intervjuer gir en unik tilgang til det indre: tanker, erfaringer, historier, refleksjoner, følelser, sosiale relasjoner og til og med snakkemåte og begrepsapparat.
Hensikten med en slik metode er å innhente informasjon om noe og ikke måle
forhåndsdefinerte variabler (Østbye, m.fl, 2013, s102). Da jeg er ute etter å se på hvilke innvirkninger algoritmestyrt nyhetsforsider har på redaktørens kontroll, vil det være hensiktsmessig med kvalitative intervjuer med primærkilder som har forståelse for teknologien i praksis, har forståelse for redaksjonell kontroll, og kan sette disse to i sammenheng. Jeg er ute etter ledernes refleksjoner rundt kontroll, styring, teknologi og journalistikk. Fleksibiliteten ved kvalitative intervjuer er en fordel her. Metoden er også godt egnet for å gå i dybden (Gentikow, 2005, s. 84). Min fremgangsmåte er derfor tradisjonell kvalitativ metode, men har med noe inspirasjon fra induktiv analyse hvor antakelser og innsikter analyseres og formuleres underveis og kan danne grunnlag for nye spørsmål (Østbye m.fl., 2013, s.113).
3.2 Utvelgelsesprosessen
I dette delkapittelet vil jeg beskrive hvilke kriterier jeg la til grunn i utvelgelsen av informantene. Studien måtte ha et design som logisk koblet sammen empiriske data med forskningsspørsmål og sluttsatser (Yin, 2006, s. 39).
Forskningsdesignet skal avgrense virkeligheten og skal analyseres med mening basert på teori og systematisk metode (Bruhn Jensen, 2002, s. 237). Min første tanke var å intervjue redaktører. Men det skulle vise seg raskt at det også kunne være lurt å intervjue informanter som gjennomgående visste mer om algoritmestyrte nyhetsforsider i mediehuset. Ved å snakke med aktører som jobbet direkte med algoritmene, på teknologisiden, sørget jeg for å få et mer helhetlig bilde av hvilke innvirkninger algoritmene kan ha på redaksjonen og de redaksjonelle tankeprosessene rundt teknologien. Disse teknologiske aktørenes rolle var å bistå redaktøren og redaksjonen i arbeidet med algoritmene. De samarbeider tett med redaktørene, og kan også defineres å være redaktører selv ut fra Nored (2017) sin definisjon, til tross for at de ikke alle har den formelle tituleringen som redaktør. Vi kan derfor berettiget si at de kan reflektere rundt redaktørens kontroll. Flere av informantene har også kompetanse på frontredigering selv om de ikke jobber med det nå.
Informantenes erfaringsbakgrunn er hensiktsmessig varierende. Derfor vil jeg også skille mellom teknologer og redaktører i denne studien. En teknolog kan sies å være en som har teknologi som sitt arbeidsområde eller ha teknologisk utdannelse (NAOB, 2021).
Redaktørene vil her omtale de som har det journalistiske lederansvaret som sitt
arbeidsområde, eksempelvis nyhetsredaktør og sjefredaktør, mens teknologene er de som har teknologisk lederansvar: eksempelvis produktsjefene. Noen av teknologene hadde
redaksjonell bakgrunn, andre hadde ikke. De fleste av teknologene hadde ikke teknologisk bakgrunn. Informantene ble ansett som nøkkelpersoner med spesifikasjon på sine felt i sine respektive redaksjoner, og var aktører i en aktiv dialog om algoritmestyrte nyhetsforsider i redaksjonens praksis.
Studiens informanter er strategisk utvalgt. Det vil si at de ble plukket ut fordi de kunne uttale seg på en reflektert måte om det aktuelle temaet (Tjora, 2012). Gentikow (2005, 78) påpeker at personene man velger ut til intervjuer bør være informasjonsrike. Jeg fant ut at kriteriet for informantutvalget burde heller basere seg på kunnskap om algoritmer i redaksjonell drift, og ikke bare redaksjonell drift. Jeg valgte derfor å fokusere på mediehus og konsern som har brukt ressurser på, og eksperimentert med, personaliserte/algoritmestyrte nyhetsforsider. Det som veide tyngst var at alle informantene måtte ha erfaring med, en formening om elelr annen kjennskap til algoritmestyrte nyhetsforsider. I tillegg burde de ha kjennskap til redaksjonell drift i en så utdypende grad at de kunne reflektere rundt redaktøransvaret, samfunnsoppdraget og det rent journalistiske. Derfor mener jeg at aktører i relevante lederporsisjoner også svarer for redaksjonene de er en del av. Både redaktører og teknologiske ledere har innflytelse på nyhetsproduksjon og strategiske teknologiske beslutninger. De er nøkkelfigurer i sin redaksjon. Ved å snakke med disse aktørene kan jeg innhente informasjon om algoritmer og hvordan de kan utfordre redaksjonelle idealer.
Informantene jeg endte opp med er ikke alle redaktører, men de er alle ledere.
Jeg var også bevisst på mangfold i redaksjoner i informantutvalget. Etter ni kvalitative intervju opplevde jeg at de representerte nyhetsredaksjoner har i prinsipp et samfunnsansvar, men det var variasjoner i størrelse, geografi, konkurransesituasjon og konsern. Kriteriene jeg hadde satt meg var dekket og vel så det. “Intervju så mange personer som det trengs for å finne ut det du trenger” påpeker Kvale og Brinkmann (2015, 148).
3.3 Informantutvalget
I dette delkapittelet følger en nærmere beskrivelse om redaksjonene og informantene som deltok i studien. Dette anser jeg som relevant fordi redaksjonenes størrelse og struktur, hvor langt de hadde hadde kommet i bruken av teknologien i sin redaksjon og informantenes rolle og erfaringsbakgrunn er relevant i analysen av funnene. I tillegg til at det gir et mer
oversiktlig bilde av forskjellene som kan hjelpe å forstå omfanget når en leser videre i oppgaven. Jeg vil også si noe om hvordan informantene ble funnet og valgt ut.
Snøballmetoden ble spontant mye brukt i denne studien (Gentikow, 2005, s. 80). Jeg fant de første informantene basert på research i medier og diverse forskningsartikler. Resten skulle vise seg å bli oppdaget gjennom de første informantenes kjennskap og nettverk i andre redaksjoner.
3.3.1 Polaris Media
Daværende sjefredaktør i iTromsø
Dagsavisen er den fjerde største avsia i opplag i Nord-Norge. iTromsø har også en nettutgave som oppdateres døgnet rundt og web-tv. Avisen var først ut i Europa med personalisert
nyhetsforside (lansert 2015) og Stig Jakobsen var sjefredaktør. Dette skjedde i samarbeid med Big Data-teamet i Polaris. Her valgte de å teste ut personalisering på hele mobilfronten. Målet var å øke trafikk, engasjement og dermed relevans. Forsiden skulle dynamisk endre seg i takt med brukerens adferd (Svendsen, m.fl., 2019, s. 17). iTromsø har i dag, etter seks år, kun
“personaliserte” moduler inne på hver av artiklene, nederst på siden. De valgte altså å ikke fortsette å personalisere på mobilfront. Stig Jakobsen har bakgrunn i statistikk og meget lang fartstid som redaktør og journalist i flere aviser og magasiner. Han var daværende
sjefredaktør i iTromsø og er nå sjefredaktør i Steinkjer24. Han har ikke teknologisk bakgrunn.
Sjefredaktør og nyhetsredaktør i Altaposten
Redaksjonen i Altaposten var de eneste i Polaris Media som hadde testet ut personalisert nyhetsfront på både mobil og desktop. De hadde tatt inspirasjon fra iTromsø som lanserte før de. Altaposten lanserte for fem-seks år siden. Grunnen til at de satset på dette var ønsket om å komme frempå med algoritmer. Sammenlignet med iTromsø er Altaposten noe mindre i opplag og produserer færre saker på digitale plattformer i løpet av dagen. De leverer også nyheter på en rekke andre plattformer: radio, TV og noe de kaller infokanal. I dag har de også
kun noen algoritmestyrte moduler under hver artikkel, og ikke noe annet. De valgte altså å ikke fortsette med algoritmestyring på nyhetsforsiden.
I altaposten snakket jeg med to informanter. Nåværende nyhetsredaktør Tom Skoglund fordi han samarbeidet tettest med personaliserings-teamet i Polaris, under arbeidet med de
personaliserte nyhetsforsidene var Skoglund nettsjef i Altaposten. Skoglund har utdanning innen journalistikk og lang journalistisk erfaring. Han har en generell interesse for algoritmer og teknologi og var pådriver for at algoritmestyrte nyhetsforsider. Jeg snakket også med sjefredaktør Rolf Edmund Lund. Han har vært sjefredaktør i Altaposten i over 20 år og har en naturlig ryggmarg-nysgjerrighet for teknologi. Skoglund og Lund har ikke teknologisk bakgrunn.
Prosjektleder i brukeropplevelser Big Data i Polaris Media
Denne informanten, Jørgen Frøland, var høyst aktuell å intervjue fordi han ble nevnt i flere sammenhenger som spydspissen som ledet an og initierte algoritmer og
personaliseringstenologi i flere redaksjoner i Polaris Media, blant andre i iTromsø og Altaposten. Han er prosjektleder og bindeleddet mellom dem som utvikler teknologien for redaksjonene og redaksjonene selv i Polaris Media. Hans hovedoppgave er å være pådriver for teknologisk innovasjon i Polaris sine redaksjoner. Frøland har ikke redaksjonell bakgrunn, men har deltatt i alle diskusjoner med Polaris-redaktører og -redaksjoner hvor teknologien ble implementert. Han har “datascience”-bakgrunn. Han kan gi god innsikt i teknologiens biologi og perspektivet fra andre siden av bordet, den teknologiske siden.
Utviklingsredaktør i Adresseavisen
Christer Johnsen ble interessant for oppgaven fordi Adresseavisen hadde tatt et bevisst valg om ikke å ha personalisering eller algoritmer på sin forside ennå. I tillegg er avisen Polaris Medias største så det i seg selv var et interessant perspektiv da Polaris Media har tydelig satset på denne teknologien innad i konsernet. Johnsens stilling som utviklingsredaktør innebærer å sørge for digital endringsledelse og teknologisk innovasjon i Adresseavisen. Han har også personalansvar for teknologi-teamet og ansvar for journalistikk ut mot unge. I tillegg er han bindeleddet mellom utviklingsavdelingen og redaksjonen. Han har bakgrunn og
erfaring fra ulike roller i journalistikken, og har en interesse for algoritmer. Han har ikke teknologisk bakgrunn. Adresseavisen har også noen algoritmestyrte moduler under artiklene
sine, som de andre Polaris-avisene, og har gjort noen mindre tester med algoritmer og personalisering. Samtidig har de noen algoritmiske funksjoner på forsiden sin.
Digital utviklingssjef i Sunnmørsposten
Liv Jorunn Håker og Sunnmørsposten oppdaget jeg fordi Jørgen Frøland tipset meg om at Sunnmørsposten kunne være aktuell å snakke med. Sunnmørsposten har nemlig ikke testet ut algoritmestyrte nyhetsforsider ennå, men er veldig entusiastiske og har vedtatt at de skal gjøre det i sin avis. Håker har ansvar for teknologisk utvikling i flere lokalaviser på Sunnmøre og Gubrandsdalen, et rolleansvar som er ganske forskjellig fra de andre informanter. I
Sunnmørsposten støtter de seg på teknologi-teamet i Adresseavisen, og Håkers ansvar er å drive opp utviklingen. Hennes bakgrunn er fra reklamebransjen, og hun kom inn i
journalistikken gjennom datavisualisering, blant annet på desken og med datasett og gravejournalistikk. Hun har ikke teknologisk bakgrunn. Sunnmørsposten har i dag ikke algoritmestyrt front, men kun algoritmestyrte moduler under artiklene sine.
3.3.2 Schibsted
Etter at intervjuene med redaksjonene i Polaris var utført, innså jeg at det manglet data fra informanter som brukte algoritmer og AI på sin nyhetsfront i dag. Noen som hadde fortsatt med det og dermed har kommet et steg lenger, videreutvikler og fortsatt er positivt innstilt til AI-teknologi. Dermed ble Schibsted aktuelle.
Produktsjef i Fædrelandsvennen (FVN)
Håker henviste meg til Vegard Nekstad i FVN. Nekstad skal nemlig være med å
implementere algoritmestyrt forside i Sunnmørsposten. Nekstad har jobbet som produktsjef i Fædrelandsvennen og etterhvert for flere redaksjoner i Schibsted. Han har hatt ansvar for forsidene til Bergens Tidende, Stavanger Aftenblad og Aftenposten. Da FVN ble kjøpt av Polaris Media, gikk han tilbake i den stillingen som produktsjef for FVN. FVN er fortsatt på Schibsted sin algoritme. Derfor jobber de tett med de nevnte Schibsted- avisene om
algoritmer. Nekstad hadde innsikt i algoritmene og teknologien, i tillegg til bakgrunn i det redaksjonelle, noe som gjorde at han mest sannsynlig ville ha perspektiver fra det
teknologiske og redaksjonelle. Samtidig har han jobbet på og utviklet fronten i mange år. Han har ikke teknologisk bakgrunn. Fædrelandsvennen har i dag algoritmestyrt front.
Leserutviklingssjef i Aftenposten
I utforskingen av Schibsted sitt arbeid med algoritmestyring på forsidene, kom Aftenposten frem som en aktuell aktør. Her skulle avisens leserutviklingssjef Klaus Børringbo visstnok være rett person å snakke med. Børringbo fungerer som bindeledd mellom produktavdelingen og fronten. Han har i tillegg jobbet med prosjekter som er relatert til algoritmestyrt front. Han har lang journalistisk erfaring, men ikke redaktørerfaring. Han er nå avdelingsleder for frontsjefene og jobbet tidligere på fronten i mange år, noe Børringbo selv karakteriserer nærmest som en “kveldsredaktør”. Han har altså mest sannsynlig god kjennskap til redaktøransvaret, men kanskje viktigst her: han har jobbet tett med algoritmene på
produktsiden. Han har ikke teknologisk bakgrunn. Aftenposten har i dag algoritmestyrt front.
Prosjektleder for Redaksjonelle Produkter i Bergens Tidende (BT)
Den siste informanten, Jan Stian Vold, er prosjektleder for redaksjonelle produkter i Bergens Tidende. Han har tidligere vært nyhetsredaktør i BT i mange år og har jobbet med digital journalistikk i TV 2. Han fungerer som bindeledd mellom produktavdelingen i BT og
redaksjonen. Han har lang fartstid som nyhetsredaktør og jobber nå med teamet som skrur på algoritmen til BT. I sitt arbeid har han jobbet en del med algoritmestyrte nyhetsforsider, og også annen AI-teknologi som robotjournalister. Han har ikke teknologisk bakgrunn. Bergens Tidende har i dag algoritmestyrt front.
3.4 Gjennomføring av intervjuene
Noen intervju ble utført ansikt til ansikt i et lukket rom, men de fleste skjedde digitalt over Zoom, og varte rundt en til en og en halv time. Alle intervjuene ble tatt opp på lyd og jeg tok notater ved siden av underveis. Et poeng her er at måten intervjuene utføres på og
tilstedeværelse kan være avgjørende (Østbye m.fl., 2013, s.106). Nærheten og samværet i ansikt-til-ansikt intervju gjør at det blir lettere å forstå hva informanten sier, i tillegg til at det skaper rom for spontane reaksjoner og refleksjon (Gentikow, 2005, s. 84). Når jeg nå måtte ha intervjuer med lyd og webkamera forsvant en del visuelle tegn som resulterte i at noen kontekstuelle og ikke-verbale data ikke ble tilgjengelige. Muligheten for kroppsspråk og gestikulering som eksempelvis kan hinte til at informanten skal fortsette videre i et tankespor er begrenset. Så dermed forsvant en del av den gode samtalen (Tjora, 2019, s. 127). I
intervjuene støttet jeg meg på en intervjuguide som bestod av noen forslag til
diskusjonstemaer med forslag til spørsmål under hvert av temaene. Temaene hadde jeg
identifisert etter en rask litteraturorientering på forhånd, men jeg ville tilnærme meg intervjuet eksplorativt og var åpen for spontane digresjoner, så jeg passet på at guiden ikke skulle være styrende. Det dukket ofte opp spørsmål underveis. Jeg opplevde at de temaene og spørsmålene jeg ønsket å gå inn på, ble gjennomført. etter to-tre intervju startet jeg å
internalisere og løsrive meg mer og mer fra intervjuguiden, noe som gjorde at samtalene ofte fikk et bedre fokus og flyt.
Jeg hadde sendt ut et samtykkeskjema (Se vedlegg 1) i forkant av hvert intervju slik at de kunne lese gjennom, skrive under og gå gjennom sine rettigheter på forhånd. Prosjektet ble meldt inn til og godkjent av Norsk senter for forskningsdata (se vedlegg 2) og følger norsk forskningsetikk. I samtykkeskjemaet ble deltakerne informert om hvilke personopplysninger jeg skulle samle inn, hvordan opplysningene skulle behandles og hvilke rettigheter de hadde.
Studien behandler eller bearbeider, etter min mening, ikke sensitiv informasjon av noe slag, i henhold til lovverket (Datatilsynet, 2019). Likevel er det ifølge Gentikow (2005, s. 63) vanskelig å vite hva informantene selv vil oppfatte som sensitivt.
I all hovedsak har responsen på intervjuene vært svært velvillig. Informantene har svart godt og uttrykt begeistring for tematikken og problematiseringen av den.
3.4.1 Intervjuguiden
Jeg lagde en intervjuguide med forslag til intervjuspørsmål som fordret fleksibel dialog mellom informant og intervjuer (se vedlegg 3). Spørsmålene endret seg etter hvert som intervjuene ble gjennomført basert på bakgrunn, informanters redaksjonelle rollebeskrivelse og ut fra hvilke retninger samtalen gikk. Dermed varierte det hvilke spørsmål som ble spurt, mange spørsmål ble utelatt. Noen spørsmål stilte jeg til alle informantene. Den
semi-strukturerte tilnærmingen av intervjuet tillot improvisering og en fleksibel løsrivelse som gjorde at jeg kunne stille spørsmålene på en annen måte eller føre samtalen i en annen retning.
Jeg så på intervjuguiden som nødvendig for å klare å holde fokus og få kommet inn på temaene jeg hadde sett for meg på forhånd. Den fungerte også som en krykke en kan lene seg på hvis en mister tråden i tankeprosessen, noe som eksempelvis kunne forekomme ved plutselige tekniske utfordringer. I tillegg opplevde jeg at det å ha en slik guide gjorde
intervjuene rikere. Jeg fikk et tydelig overblikk over en systematisk struktur som gjorde at jeg kunne føre samtalen målrettet fremover.
Om intervjuguiden består av for mye struktur, kan det føre til at man ikke fanger opp eller misforstår noen fenomener som er viktige for informantene. Jeg ønsket ikke en fastsatt låst struktur ettersom det kan gjøre at viktige observasjoner blir oversett (Ryen, 2006, 97). Det var viktig for meg at informantene fikk fortelle sine versjoner uten at jeg styrte dem i feil retning.
Intervjuguiden bestod av formulerte spørsmål hvor noen ble stilt og andre ble ikke. Noen av spørsmålene ble også endret underveis i intervjuene som følge av en naturlig skiftning i retning.
I oppvarmingsdelen snakket vi om hva slags rolle/stilling informanten hadde i
organisasjonen, og hva slags erfaring/bakgrunn de hadde. En slik oppvarmingsdel var viktig for å gi informantene et inntrykk av ryddighet og troverdighet (Kvale og Brinkmann, 2015, s.
160). I denne delen ble det også spurt om kjennskapen til algoritmestyrte/personaliserte nyhetsforsider. Jeg informerte om rettighetene de hadde, hvordan jeg kom til å oppbevare og behandle materialet og at de kunne avbryte intervjuet når som helst. Deretter gikk intervjuet i ulike retninger hvor rekkefølgen av diskusjonstemaene intervjuguiden tilsa var skiftende ut fra rollen og bakgrunnen informanten hadde. For de med teknologisk bakgrunn og ansvar ble spørsmålene stilt annerledes, slik at de kunne svare på basis av bakgrunnen de hadde. Det bør likevel nevnes at alle teknologene hadde samarbeidet tett med de som var redaksjonelt
ansvarlig i implementeringen av denne teknologien i sin redaksjon. Så det ble naturlig å stille spørsmål som forløste refleksjon rundt det redaksjonelle ansvaret for disse informantene også, men fra et teknologisk perspektiv. Selv om hvert enkelt intervju fulgte en unik rekkefølge fikk jeg inntrykk av at informantene svarte godt og utfyllende innenfor alle temaene.
Etter denne hoveddelen hadde jeg også en avrundingsdel hvor en kan si at en debriefing skjedde. Her snakket jeg uformelt og vennlig om de delene av intervjuet som gav meg spesiell innsikt eller for eksempel ny informasjon som fascinerte meg. En slik tilnærming førte til at informanten snakket fritt og avslappet, og det kunne resultere i noen
tilleggspoenger som som viste seg å være nyttige. I tillegg uttrykte jeg transparens i prosessen og full tilgjengelighet for informantene hvis det var noe de skulle lure på.
3.5 Analyse og bearbeidelse av data
Deretter begynte analysearbeidet. Jeg bearbeidet dataene med inspirasjon av de fire fasene i en tematisk analyse: forberedelse, koding, kategorisering, rapportering (Johannessen m.fl., 2018, s. 282). Først kodet jeg hvert transkriberte intervju for seg og noterte kategorier og poeng som jeg opplevde som relevante ut fra forskningsspørsmålet. Jeg skrev de viktigste funnene fra hvert av intervjuene i et A4 ark. Med utgangspunkt i dette begynte
kategoriseringen i den tematiske analysen, hvor jeg identifiserte overordnede kategorier i det kodede materialet (Johannessen m.fl., 2018, s. 294). Dette satte jeg inn i fire datamatriser: en for redaktørrollen, en for redaktøransvaret, en for hvordan algoritmene ble brukt og en for erfaringer med algoritmene. Jeg var åpen for at disse kunne endres etterhvert som sorteringen av kategoriene begynte. I matrisene fylte jeg inn med kategoriene jeg fant og deretter stikkord og poeng fra det kodedematerialet som passet inn i de respektive kategoriene. Dette for å kunne systematisere og sammenligne svar og temaer. Dette gjorde jeg flere ganger, slik at jeg fikk oversikt over hva slags poeng som gikk igjen, hvilke kategorier som var viktige og hva informantene tydelig var interesserte i. Ved å organisere svarene i kategorier på denne måten, skapes det orden dataene. De blir lettere å skjønne og rapportere på. Samtidig som nye sammenhenger blir identifisert hvor vi lærer noe mer (Johannessen m.fl., 2018 s. 280). Til slutt kunne jeg avgjøre de overordnede temaene som jeg kunne ta for meg i oppgaven. Dette hjalp meg å ivareta det helhetlige perspektivet. Det gjøres ved å sette informasjonen fra hver enkelt informant inn i den sammenhengen som utsnittet av teksten er del av (Thagaard, 2003, s. 153). Det er også den vanligste og mest brukte fortolkningsmetoden for kvalitativt empirisk materiale (Gentikow, 2005, s.194).
Tematisk analyse var en fin metode å bruke, da jeg ville ha en eksplorativ tilnærming til funnene. Man analyserer datamaterialet uten å vite hva man skal se etter og er
teoriuavhengig. (Johannessen m.fl., 2018, s. 279). Jeg kartla viktige fellestrekk og oppdaget overordnede temaer som kunne veilede meg til relevant teori. Samtidig var
kategoriseringsfasen preget av mye prøving og feiling. Jeg startet med et relativt stort antall kategorier i datamatrisen og forsøkte så å slå de sammen. Likevel synes jeg dette var
vanskelig da like kategorier dukket opp på tvers av de fire matrisene. Eksempelvis kunne kategorien “forskjell på små og store redaksjoner” dukke opp i matrisen som handlet om redaktørrollen, og også i den som handlet om redaktøransvaret. Dette gjorde det vanskelig fordi det var samme tema, men fra ulike aspekter og var vanskelig å “slå sammen” (ibid. s.
299). Samtidig kunne dette også illustrere at dette temaet var relevant i flere steder i analysen.
De overordnede temaene og kategoriene måtte gås over flere ganger og justeres. Jeg satte opp en grundig disposisjon tidlig i bearbeidelsen av datamateriale for å bedre oversikt over
narrativet i oppgaven. Etter noen runder med kategorisering endte jeg opp med tre overordnede temaer analysen tar utgangspunkt i.
3.6 Metodiske refleksjoner
«En vanlig innvending mot kvalitative metoder av denne typen er at de inneholder en tendens til verifikasjon, en tilbøyelighet til å bekrefte forskerens forutfattede oppfatninger» (Bjerke, 2009, s. 187). Her kan min begrensede kunnskap om temaet være en motkraft i arbeidet med analysen, fordi jeg dermed ikke hadde en utbredt forutinntatthet. I tillegg velger jeg også å presentere funnene på en slik måte at informantenes egne tolkninger, ord og opplysninger kommer tydelig frem i analysen. Kvalitative intervju tjente sin hensikt til det jeg ville oppnå, men samtidig er det viktig at man i prosessen kan se kvalitative intervjuers begrensninger.
Elitekilder
Utgangspunktet for studien var kvalitative intervjuer med elitekilder eller ekspertkilder. De er personer i ledende posisjoner på sitt felt. Et omvendt maktforhold hvor informant ikke bare er mer kunnskapsrik enn forsker på feltet som studeres, men også har mye erfaring med
intervjusituasjoner. Forskeren, som tidligere kanskje ville styrt og hatt høyest status i intervjusituasjonen, kan havne i en underordnet rolle og miste kontrollen over intervjuet (Welch m.fl., 1999). Elitepersoner, som redaktører, er vant til å ha kontrollen (Figenschou, 2010). De er ofte høyt opp i det organisatoriske hierarkiet i bedriften de jobber i hvor kommunikasjonsstrategier er godt implementerte. Omdømme er viktig og de vil ha mye medietrening med seg inn i intervjusituasjonen (ibid. 2010). Det merket jeg spesielt i måten de fremstilte mange av utsagnene sine på, hvor en ikke sa noe som kunne risikere å sette arbeidsplassen i et dårlig lys.
Her ble det veldig hjelpsomt å ha en intervjuguide som minte meg på å stille de kritiske spørsmålene. Mye av informasjonen informantene fortalte om har et behov for å dekodes.
Analysen av det som sies vil spille en stor rolle for hva som avdekkes. Informanter i slike posisjoner vil også ha sterke begrensninger i hvor åpen de kan være eller føler at hen kan være med tanke på mulige taushetsbelagt informasjon (Borgen, 2017, s. 119). Borgen
poengterer at slike toppledere kan ha ulike strategier ubevisst for å beskytte sin rolle. Som også kan være preget av rådende oppfatninger i bransjen rundt forskning (ibid.)
I både intervjusituasjonen og i analysearbeidet etterpå har jeg etterstrebet å oppnå nødvendige distanse og objektivitet til informantens uttalelser. Den metodiske utfordringen med å bli til tider lett overbevist eller ha en følelse av maktubalanse har jeg prøvd å løse ved å diskutere, reflektere og prøve egne tolkninger. Blant annet med god hjelp fra veileder. Jeg har gjennom hele prosessen forsøkt å kritisk ettergå egne tolkninger.
Her er det likevel viktig å poengtere at kompetanse og kunnskap stod som et sterkt kriterium i utvelgelsesprosessen til denne studien. Så lenge de hadde kunnskap om teknologien det er snakk om og kunne reflektere rundt redaksjonell drift, så kan de anses som gode kilder til forskningens hensikt. Et viktig poeng i kildekritikk, er kildenes kompetanse (Allern, 2015, s.
52). En må finne kilder som kjenner til området du skal forske på, noe mine kilder utvilsomt har.
Tilbakedatert refleksjon
For noen av informantene som hadde testet ut teknologien for noen år siden, ble det behov for å reflektere basert på hukommelse og detaljer kunne bli glemt. «Memory is fallible and its use always involves a possible reconstruction of the past under the influence of subsequent experiences» (Blaikie, 2010, s. 203). Mine kilder er førstehåndskilder og formidler det selvopplevde, som på en måte skaper en viss kvalitet til studien, men kan også ha sine svakheter. Generelt regnes en kilde som mer troverdig jo nærmere det er mellom en
opplevelse eller erfaring og kildens fortelling om den (Borgen, 2017, s.120). Det kan bety at en vurderer fortiden i lys av nåtiden, og det kan være sannsynlig at det vil ha en innvirkning på den versjonen av det informanten formidler. Det kildekritiske elementet dreier seg ikke minst om informantenes subjektive minner, som til dels er knyttet til hukommelse. Det kan også være saksforhold som informantene har glemt, eller husker feil, og som kan være forbundet med elementer av selektiv hukommelse eller historie-omskrivning (Thurén, 1997, s.31). Dette opplevde jeg gjentok seg i noen av intervjuene og var viktig å være bevisst på underveis i analysearbeidet. Det hadde kanskje vært unngått hvis jeg hadde valgt bort informantene som hadde avsluttet arbeidet med algoritmestyrte nyhetsforsider for noen år siden. Samtidig så jeg på disse som noen av de mest verdifulle kandidatene for min analyse.
